论文部分内容阅读
卷积神经网络(CNNs)对高光谱图像(HSI)的特征具有强大的学习能力。但是由于传统卷积的本质,往往会丢失部分关键特征,给小样本分类增加了困难。为了克服上述问题,提出了一种新的多尺度卷积(MSC)运算方法来代替传统卷积运算。使用主成分分析(PCA)来降低高维的光谱特征并保留其关键特征;将MSC应用于几种经典的图像分类算法,并与它们进行了比较,实现了图像的分类。在三个公开的高光谱数据集上进行了实验,结果证明了提出的MSC是有效的。